Yi Bin

Un aperçu de l'intersection entre les systèmes de vidéo et de compréhension du langage.

Un nouveau cadre améliore l'association vidéo-texte pour un meilleur apprentissage machine.

Combiner des images et du texte améliore les prédictions des événements futurs.

Apprends comment les techniques sensibles au mouvement améliorent la génération de graphes de scènes dans les vidéos.

Apprends comment le grounding temporel vidéo améliore la précision et l'efficacité de la recherche vidéo.